软件构造 设计和实现的约束_工程优化设计与Matlab实现——约束问题的直接解法（复合形法）...

约束问题的直接解法，像是在无约束问题的直接解法中加入了约束条件的判断。

随机方向法对应着坐标轮换法，而复合形法对应着单纯形法。

复合形法

复合形法与第二种单纯形法的相似度极高，请参见工程优化设计与Matlab实现——无约束问题的直接解法（二）中的第二种单纯形法。

复合形法的基本思路是在可行域内构造一个具有N个顶点的复合形，找出各顶点中的最坏点（函数值最大的点），再沿某一方向找到函数值下降的点来替换最坏点，得到新的复合形

有了单纯形法的基础，直接上流程图：

复合形法流程图

举栗子

利用复合形法求目标函数在约束条件下的极小值点和极小值

主程序如下：

clc;
clear all;
close all;   

G1 = inline('6 - x(1) - x(2)','x');
G2 = inline('x(1)','x');
G3 = inline('x(2)','x');

lb = [0;0];      %下界
ub = [6;6];      %上界
weishu = 2;      %维数
E = 1e-8;

t1 = datetime;
[FuHeXingFa_x, FuHeXingFa_xf, FuHeXingFa_n] = FuHeXingFa(E, weishu, lb, ub, G1, G2, G3);
t2 = datetime;
fprintf('复合形法(根据上下界随机生成初始点)n')
fprintf('开始时间：%sn结束时间：%sn',t1,t2)
fprintf('极值点为：[%f, %f]n',FuHeXingFa_x)
fprintf('极值为：%fn',FuHeXingFa_xf)
fprintf('迭代次数为：%dnn',FuHeXingFa_n)  

目标函数定义如下：

function f = func(x)
    f = 1 - 2 * x(1) - x(2)^2;

复合形法函数定义如下：

function [FuHeXingFa_x, FuHeXingFa_xf, FuHeXingFa_n] = FuHeXingFa(E, weishu, lb, ub, G1, G2, G3)   

    N = 2 * weishu